期刊文献+
共找到229篇文章
< 1 2 12 >
每页显示 20 50 100
一种结合半监督Boosting方法的迁移学习算法 被引量:4
1
作者 洪佳明 陈炳超 印鉴 《小型微型计算机系统》 CSCD 北大核心 2011年第11期2169-2173,共5页
迁移学习是数据挖掘中的一个研究方向,试图重用相关领域的数据样本,将相关领域的知识"迁移"到新领域中帮助训练.当前,基于实例的迁移学习算法容易产生过度拟合的问题,不能充分利用相关领域中的有用数据.为了避免这个问题,通... 迁移学习是数据挖掘中的一个研究方向,试图重用相关领域的数据样本,将相关领域的知识"迁移"到新领域中帮助训练.当前,基于实例的迁移学习算法容易产生过度拟合的问题,不能充分利用相关领域中的有用数据.为了避免这个问题,通过引入目标领域的无标记样本参与训练,利用半监督Boosting方法,提出一种新的迁移学习算法,能够对样本的相关性进行更好的判断,减少选择性偏差的影响.在大量文本数据集上的实验表明了新算法的有效性. 展开更多
关键词 迁移学习 跨领域学习 boosting算法 监督学习
在线阅读 下载PDF
基于深度聚类学习的无监督行人重识别 被引量:1
2
作者 邓子文 段勇 《电子测量与仪器学报》 北大核心 2025年第3期208-216,共9页
无监督行人重识别是一种在没有任何标签的情况下,通过特征提取和聚类算法对行人进行识别和匹配的计算机视觉方法。针对当前无监督行人重识别方法普遍存在的特征提取不足、聚类不准确、计算复杂度高以及模型缺乏鲁棒性等问题,提出了一种... 无监督行人重识别是一种在没有任何标签的情况下,通过特征提取和聚类算法对行人进行识别和匹配的计算机视觉方法。针对当前无监督行人重识别方法普遍存在的特征提取不足、聚类不准确、计算复杂度高以及模型缺乏鲁棒性等问题,提出了一种基于深度聚类学习的无监督行人重识别方法。首先,研究了结合GeM池化方法的实例批量归一化网络(IBN-Net)作为特征提取网络,使得提取出的行人特征更具判别性;其次,针对聚类算法对于超参数较为敏感的问题,提出通过有序点识别聚类结构(OPTICS)辅助基于密度的聚类算法(DBSCAN)选取超参数,进一步降低了DBSCAN对超参数的敏感度;此外,为了更加充分利用训练集的所有数据,将离群值也视为单独的聚类参与到记忆字典的初始化与更新过程中;最后,针对记忆字典更新过程中各个聚类更新速率不一致的问题,提出了聚类级别的记忆字典,消除了聚类更新速率不一致的问题。实验结果验证了研究工作的有效性,提出的方法在无监督行人重识别任务中的精度与准确度均有明显的提升。 展开更多
关键词 行人重识别 监督学习 对比学习 深度学习 聚类算法
在线阅读 下载PDF
基于自监督对抗训练算法的气缸盖铸铁材料热机械疲劳寿命预测研究
3
作者 蒲博闻 孙兴悦 +3 位作者 周田果 卫军朝 王根全 陈旭 《机械强度》 北大核心 2025年第9期241-249,共9页
以气缸盖铸铁材料为研究对象,采用本体取样的方式进行了一系列不同温度范围下的热机械疲劳试验。结果表明,铸铁材料的疲劳试验表现出循环软化、循环稳定和快速失效3个阶段。此外,反相位加载下材料的疲劳寿命显著小于正相位加载。使用人... 以气缸盖铸铁材料为研究对象,采用本体取样的方式进行了一系列不同温度范围下的热机械疲劳试验。结果表明,铸铁材料的疲劳试验表现出循环软化、循环稳定和快速失效3个阶段。此外,反相位加载下材料的疲劳寿命显著小于正相位加载。使用人工神经网络(Artificial Neural Network,ANN)、随机森林(Random Forest,RF)等6种典型有监督学习模型对试验数据进行疲劳寿命预测;结果表明,模型无法学习到材料的疲劳寿命分布趋势。针对该问题,利用基于生成对抗网络(Generative Adversarial Network,GAN)自监督算法,实现了对气缸盖铸铁材料热机械疲劳寿命的预测,在小样本条件下表现出了较好的预测效果。该研究对于开展气缸盖设计和疲劳分析有着极强的指导意义和参考价值。 展开更多
关键词 监督算法 深度学习 热机械疲劳 脉冲疲劳 寿命预测
在线阅读 下载PDF
一种半监督的多标签Boosting分类算法 被引量:1
4
作者 赵晨阳 佀洁 《计算机应用研究》 CSCD 北大核心 2012年第9期3266-3268,共3页
针对标记数据不足的多标签分类问题,提出一种新的半监督Boosting算法,即基于函数梯度下降方法给出一种半监督Boosting多标签分类的框架,并将非标记数据的条件熵作为一个正则化项引入分类模型。实验结果表明,对于多标签分类问题,新的半监... 针对标记数据不足的多标签分类问题,提出一种新的半监督Boosting算法,即基于函数梯度下降方法给出一种半监督Boosting多标签分类的框架,并将非标记数据的条件熵作为一个正则化项引入分类模型。实验结果表明,对于多标签分类问题,新的半监督Boosting算法的分类效果随着非标记数据数量的增加而显著提高,在各方面都优于传统的监督Boosting算法。 展开更多
关键词 boosting算法 监督学习 多标签分类
在线阅读 下载PDF
基于半监督学习的煤层钻孔预抽瓦斯状态评价方法
5
作者 晏立 文虎 +1 位作者 王振平 金永飞 《工矿自动化》 北大核心 2025年第3期113-121,共9页
目前单一钻孔抽采状态评价方法通常依赖于瓦斯抽采浓度,而忽视了煤层瓦斯赋存的多样性。监督学习模型依赖于样本的特征标记,在样本量较大时,人工标注的成本较高;无监督学习模型缺乏样本标记,无法实现定性评价。针对上述问题,提出一种基... 目前单一钻孔抽采状态评价方法通常依赖于瓦斯抽采浓度,而忽视了煤层瓦斯赋存的多样性。监督学习模型依赖于样本的特征标记,在样本量较大时,人工标注的成本较高;无监督学习模型缺乏样本标记,无法实现定性评价。针对上述问题,提出一种基于半监督学习的煤层钻孔预抽瓦斯状态评价方法。构建了包含甲烷浓度、抽采负压、环境温度等8项指标的多维度评价体系,采用层次分析法(AHP)与模糊评价法(FEM)结合的权重赋值方法,建立抽采效果等级划分标准。在此基础上,提出基于高斯混合模型(GMM)与K-Means算法的半监督学习模型(SSGMM/SSK-Means),通过融合少量人工标注样本与大量未标注数据,实现单一钻孔抽采状态的动态分类。SSGMM聚集度更好,SSK-Means效率更高,形成“精度-效率”的互补关系。在陕西黄陵二号煤矿215工作面的应用结果表明:SSGMM和SSK-Means的最大聚集度(MVCR)和修正Rand指数(ARI)分别达82.64%和85.83%,显著优于传统聚类方法;通过动态反馈机制优化后,原等级为“差”的钻孔抽采效率提升5.26%~5.80%,补差率达100%。 展开更多
关键词 煤层瓦斯 抽采效果评价 监督学习 层次分析法 模糊评价法 高斯混合模型 K-MEANS算法
在线阅读 下载PDF
基于超图的自监督推荐算法
6
作者 贾小暾 温明 +3 位作者 杨晓龙 陈宝涛 李爱荣 任媛媛 《计算机工程与设计》 北大核心 2025年第3期834-840,共7页
为改善基于图神经网络的推荐模型在实际推荐场景中面临数据出现噪声和倾斜分布时性能下降的问题,提出一种基于超图的自监督推荐算法。采用超图Transformer捕捉用户与物品之间的全局关系,引入自监督学习以增强数据,提高模型的鲁棒性。在... 为改善基于图神经网络的推荐模型在实际推荐场景中面临数据出现噪声和倾斜分布时性能下降的问题,提出一种基于超图的自监督推荐算法。采用超图Transformer捕捉用户与物品之间的全局关系,引入自监督学习以增强数据,提高模型的鲁棒性。在实际数据集上的训练结果表明,模型在提升推荐效果方面表现优异,特别是在解决数据稀疏性和噪声问题上表现出较强的能力。通过消融实验进一步验证了这些发现,展现了该算法在现代推荐系统中的应用潜力。 展开更多
关键词 噪声数据 推荐算法 超图 全局关系 监督学习 交互图 数据增强
在线阅读 下载PDF
一种最大化样本可分性半监督Boosting算法 被引量:4
7
作者 侯杰 茅耀斌 孙金生 《南京理工大学学报》 EI CAS CSCD 北大核心 2014年第5期675-681,共7页
针对数据实际分布与假设不匹配时半监督学习算法难以改善分类器性能的问题,该文提出一种最大化样本可分性半监督Boosting算法,通过引入"高密度区域局部散度最小、样本空间全局散度最大"准则来学习未标注的样本。该准则使用两... 针对数据实际分布与假设不匹配时半监督学习算法难以改善分类器性能的问题,该文提出一种最大化样本可分性半监督Boosting算法,通过引入"高密度区域局部散度最小、样本空间全局散度最大"准则来学习未标注的样本。该准则使用两种半监督假设(聚类假设和流形假设),减少了因半监督假设与数据不匹配造成的准确率下降问题。实验结果表明,该文算法有效提高了Boosting算法在符合聚类假设数据集和符合流形假设数据集上的准确性,提高了分类器噪声数据的稳定性。 展开更多
关键词 监督学习 boosting算法 可分性 分类器
在线阅读 下载PDF
非独立同分布下联邦半监督学习的数据分享研究 被引量:1
8
作者 顾永跟 高凌轩 +1 位作者 吴小红 陶杰 《计算机工程》 CAS CSCD 北大核心 2024年第6期188-196,共9页
联邦学习作为一种保护本地数据隐私安全的分布式机器学习方法,联合分散的设备共同训练共享模型。通常联邦学习在数据均有标签情况下进行训练,然而现实中无法保证标签数据完全存在,提出联邦半监督学习。在联邦半监督学习中,如何利用无标... 联邦学习作为一种保护本地数据隐私安全的分布式机器学习方法,联合分散的设备共同训练共享模型。通常联邦学习在数据均有标签情况下进行训练,然而现实中无法保证标签数据完全存在,提出联邦半监督学习。在联邦半监督学习中,如何利用无标签数据提升系统性能和如何缓解数据异质性带来的负面影响是两大挑战。针对标签数据仅在服务器场景,基于分享的思想,设计一种可应用在联邦半监督学习系统上的方法Share&Mark,该方法将客户端的分享数据由专家标记后参与联邦训练。同时,为充分利用分享的数据,根据各客户端模型在服务器数据集上的损失值动态调整各客户端模型在联邦聚合时的占比,即ServerLoss聚合算法。综合考虑隐私牺牲、通信开销以及人工标注成本3个方面的因素,对不同分享率下的实验结果进行分析,结果表明,约3%的数据分享比例能平衡各方面因素。此时,采用Share&Mark方法的联邦半监督学习系统FedMatch在CIFAR-10和Fashion-MNIST数据集上训练的模型准确率均可提升8%以上,并具有较优的鲁棒性。 展开更多
关键词 联邦半监督学习 联邦学习 数据非独立同分布 鲁棒性 聚合算法 数据分享
在线阅读 下载PDF
改进的采样算法与无监督聚类相结合的软件缺陷预测模型 被引量:1
9
作者 石海鹤 周世文 +1 位作者 钟林辉 肖正兴 《江西师范大学学报(自然科学版)》 CAS 北大核心 2024年第3期301-310,共10页
该文首先在自适应综合过采样算法ADASYN(adaptive synthetic sampling)的基础上,考虑少数类内部不同密度簇之间的连接性问题,将与采样点距离为中等的点纳入新样本生成范围,改进得到T-ADASYN过采样优化算法,有效地增加了少数类内部不同... 该文首先在自适应综合过采样算法ADASYN(adaptive synthetic sampling)的基础上,考虑少数类内部不同密度簇之间的连接性问题,将与采样点距离为中等的点纳入新样本生成范围,改进得到T-ADASYN过采样优化算法,有效地增加了少数类内部不同密度簇的连接性,生成了分布更为均衡的数据集.然后使用基于连接的spectral clustering算法进行聚类预测操作,将过采样算法和无监督聚类相结合,提出一种新型实用的软件缺陷预测模型TA-SC(T-ADASYN+spectral clustering).以F-score为评价指标,spectral clustering为聚类模型进行验证.实验结果表明:改进的T-ADASYN过采样算法在公开的PROMISE数据集和NASA数据集上比常用的过采样算法均有6%的性能提升,且TA-SC模型在PROMISE和NASA 2个数据集上比常用聚类算法分别有3%和2%的性能提升. 展开更多
关键词 软件缺陷预测 类别不平衡 过采样算法 聚类算法 监督学习
在线阅读 下载PDF
基于K-means聚类和特征空间增强的噪声标签深度学习算法 被引量:3
10
作者 吕佳 邱小龙 《智能系统学报》 CSCD 北大核心 2024年第2期267-277,共11页
深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样... 深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样本集赋予伪标签。然而,错误的伪标签以及训练样本数量不足的问题仍然限制着噪声标签学习算法性能的提升。为解决上述问题,提出基于K-means聚类和特征空间增强的噪声标签深度学习算法。首先,该算法利用K-means聚类算法对干净样本集进行标签聚类,并根据噪声样本集与聚类中心的距离大小筛选出难以分类的噪声样本,以提高训练样本的质量;其次,使用mixup算法扩充干净样本集和噪声样本集,以增加训练样本的数量;最后,采用特征空间增强算法抑制mixup算法新生成的噪声样本,从而提高网络的分类准确率。并在CIFAR10、CIFAR100、MNIST和ANIMAL-10共4个数据集上试验验证了该算法的有效性。 展开更多
关键词 噪声标签学习 深度学习 监督学习 机器学习 神经网络 K-MEANS聚类 特征空间增强 mixup算法
在线阅读 下载PDF
Boosting家族AdaBoost系列代表算法 被引量:27
11
作者 涂承胜 刁力力 +1 位作者 鲁明羽 陆玉昌 《计算机科学》 CSCD 北大核心 2003年第3期30-34,145,共6页
Boosting is one of the most representational ensemble prediction methods. It can be divided into two se-ries: Boost-by-majority and Adaboost. This paper briefly introduces the research status of Boosting and one of it... Boosting is one of the most representational ensemble prediction methods. It can be divided into two se-ries: Boost-by-majority and Adaboost. This paper briefly introduces the research status of Boosting and one of its seri-als-AdaBoost,analyzes the typical algorithms of AdaBoost. 展开更多
关键词 boosting Adaboost.R算法 Adaboost.oc算法 学习算法 ADAboost算法
在线阅读 下载PDF
基于Boosting算法的文本自动分类器设计 被引量:13
12
作者 董乐红 耿国华 周明全 《计算机应用》 CSCD 北大核心 2007年第2期384-386,共3页
Boosting算法是目前流行的一种机器学习算法。采用一种改进的Boosting算法Adaboost.MH^(KR)作为分类算法,设计了一个文本自动分类器,并给出了评估方法和结果。评价表明,该分类器有很好的分类精度。
关键词 文本分类 机器学习 boosting算法
在线阅读 下载PDF
Boosting家族Boost-by-majority系列代表算法 被引量:4
13
作者 涂承胜 刁力力 +1 位作者 鲁明羽 陆玉昌 《计算机科学》 CSCD 北大核心 2003年第4期133-135,共3页
1 引言 Boosting由Freund和Schapire于1990年提出,是提高预测学习系统预测能力的有效工具,也是组合学习中最具代表性的方法,其代表算法可分为Boost-by-majority和AdaBoost两个系列。Boosting操纵训练例子以产生多个假设。从而建立通过... 1 引言 Boosting由Freund和Schapire于1990年提出,是提高预测学习系统预测能力的有效工具,也是组合学习中最具代表性的方法,其代表算法可分为Boost-by-majority和AdaBoost两个系列。Boosting操纵训练例子以产生多个假设。从而建立通过投票结合的预测器集合。Boosting在训练例子上维护一套概率分布。 展开更多
关键词 学习算法 boosting算法 boost-by-majority系列算法 组合学习
在线阅读 下载PDF
面向WSN网络拓扑突发流量不稳定状态识别的半监督学习模型构建 被引量:1
14
作者 顾全 张薇 《传感技术学报》 CSCD 北大核心 2024年第12期2171-2176,共6页
无线传感网络的拓扑结构具有高度自组织性和多跳传输不确定性,在遭受噪声、攻击行为等干扰时,容易导致网络拓扑结构发生不稳定状态,降低无线传感网络的可靠性和安全性。为此,在构建半监督学习模型的基础上实现WSN网络拓扑突发流量不稳... 无线传感网络的拓扑结构具有高度自组织性和多跳传输不确定性,在遭受噪声、攻击行为等干扰时,容易导致网络拓扑结构发生不稳定状态,降低无线传感网络的可靠性和安全性。为此,在构建半监督学习模型的基础上实现WSN网络拓扑突发流量不稳定状态的识别。根据AE模型建立半监督学习模型对数据进行处理,提取数据关键特征,利用k-Means均值聚类算法进行聚类,获取数据关键点的低维特征向量,采用直方图标记数据特征类别,利用欧氏距离对处理后的距离进行计算,完成无线传感网络拓扑突发流量不稳定状态的识别。仿真结果表明:所提方法识别出的异常流量以及异常IP数据量分别在90和50个以上,识别误报率低于10%,具有良好的识别效果。 展开更多
关键词 无线传感网络 突发流量不稳定状态识别 监督学习模型 直方图 k-Means均值聚类算法
在线阅读 下载PDF
一种用于图像检索的新型半监督学习算法 被引量:9
15
作者 鲁珂 赵继东 +1 位作者 叶娅兰 曾家智 《电子科技大学学报》 EI CAS CSCD 北大核心 2005年第5期669-671,共3页
基于支持向量机的理论提出了一种用于图像检索的半监督学习算法。该算法的基本思想是,如果两点彼此是最近点,则它们共用一个标注。因此,该算法可以在具有最大类间空隙和很好保留位置特征的基础上找到一个投影。对该算法和标准支持向量... 基于支持向量机的理论提出了一种用于图像检索的半监督学习算法。该算法的基本思想是,如果两点彼此是最近点,则它们共用一个标注。因此,该算法可以在具有最大类间空隙和很好保留位置特征的基础上找到一个投影。对该算法和标准支持向量机及转导(transductive)支持向量机的图像检索效果进行了实验比较,结果表明该算法可以获得更好的效果。 展开更多
关键词 支持向量机 监督学习 保局投影 图像检索 学习算法 监督 种用 实验比较 最近点 投影
在线阅读 下载PDF
自适应梯度Boosting算法及多硝基芳香族化合物密度的主因子选择 被引量:2
16
作者 张海 丁毅涛 +3 位作者 王尧 胡荣祖 高红旭 赵凤起 《火炸药学报》 EI CAS CSCD 北大核心 2011年第2期12-16,共5页
用自适应梯度Boosting算法研究了影响多硝基芳香族化合物(PNACs)密度的主因子。选择分子结构描述码作影响特征参数,采用影响多硝基芳香族化合物密度的分子结构描述码,依据相关影响程度给出了相应分子结构描述码,预测密度值与文献值的相... 用自适应梯度Boosting算法研究了影响多硝基芳香族化合物(PNACs)密度的主因子。选择分子结构描述码作影响特征参数,采用影响多硝基芳香族化合物密度的分子结构描述码,依据相关影响程度给出了相应分子结构描述码,预测密度值与文献值的相对误差在10%以内。 展开更多
关键词 学习算法 boosting算法 多硝基芳香族化合物 主因子
在线阅读 下载PDF
基于半监督流形学习的WLAN室内定位算法 被引量:6
17
作者 夏颖 马琳 +1 位作者 张中兆 周才发 《系统工程与电子技术》 EI CSCD 北大核心 2014年第7期1422-1427,共6页
针对无线局域网室内定位系统中,因参考点密集布设而带来的数据采集、更新及定位匹配运算量增加的问题,提出了一种新的基于半监督流形学习的降维判别嵌入定位算法。该算法利用少量已标记数据和部分未标记数据,通过求解目标函数最优化,对... 针对无线局域网室内定位系统中,因参考点密集布设而带来的数据采集、更新及定位匹配运算量增加的问题,提出了一种新的基于半监督流形学习的降维判别嵌入定位算法。该算法利用少量已标记数据和部分未标记数据,通过求解目标函数最优化,对高维接收信号进行维数约减,保留最具判别力的定位特征,然后采用确定性定位算法找到定位特征与位置坐标的映射关系。实验结果表明,算法定位精度高于传统的定位算法,降低了离线阶段的数据采集工作量,便于后期数据库的实时更新。 展开更多
关键词 无线局域网 监督流形学习 降维 判别嵌入 定位算法
在线阅读 下载PDF
基于Tri-training-SSAE半监督学习算法的电力系统暂态稳定评估 被引量:7
18
作者 卫志农 李超凡 +4 位作者 丁爱飞 孙国强 黄蔓云 臧海祥 方熙程 《电力自动化设备》 EI CSCD 北大核心 2023年第7期110-116,共7页
基于机器学习的暂态稳定评估方法主要采用监督学习方法,为了解决监督学习方法所需的有标签样本难以获取的问题,提出基于三体训练-稀疏堆叠自动编码器(Tri-training-SSAE)半监督学习算法的电力系统暂态稳定评估方法。构建基于堆叠稀疏自... 基于机器学习的暂态稳定评估方法主要采用监督学习方法,为了解决监督学习方法所需的有标签样本难以获取的问题,提出基于三体训练-稀疏堆叠自动编码器(Tri-training-SSAE)半监督学习算法的电力系统暂态稳定评估方法。构建基于堆叠稀疏自动编码器的暂态稳定评估模型;在传统的三体训练过程中加入伪标签样本置信度判断,以减小噪声数据对模型训练的影响;以堆叠稀疏自动编码器为基分类器构建三体训练-稀疏堆叠自动编码器模型,利用大量的无标签样本提高模型的泛化能力。通过IEEE 39节点系统与华东某省级电网进行分析验证,结果表明,所提方法在有标签样本数较少时具有更高的评估准确度。 展开更多
关键词 暂态稳定评估 机器学习 监督学习 三体训练算法 堆叠稀疏自动编码器
在线阅读 下载PDF
基于分层高斯混合模型的半监督学习算法 被引量:23
19
作者 孙广玲 唐降龙 《计算机研究与发展》 EI CSCD 北大核心 2004年第1期156-161,共6页
提出了一种基于分层高斯混合模型的半监督学习算法 半监督学习算法的学习样本包括已标记类别样本和未标记类别学习样本 如用高斯混合模型拟合每个类别已标记学习样本的概率分布 ,进而用高斯数为类别数的分层高斯混合模型拟合全部 (已... 提出了一种基于分层高斯混合模型的半监督学习算法 半监督学习算法的学习样本包括已标记类别样本和未标记类别学习样本 如用高斯混合模型拟合每个类别已标记学习样本的概率分布 ,进而用高斯数为类别数的分层高斯混合模型拟合全部 (已标记和未标记 )学习样本的分布 ,则形成为一个基于分层的高斯混合模型的半监督学习问题 基于EM算法 ,首先利用每个类别已标记样本学习高斯混合模型 ,然后以该模型参数和已标记样本的频率分布作为分层高斯混合模型参数的初值 ,给出了基于分层高斯混合模型的半监督学习算法 以银行票据印刷体数字识别做实验 ,实验结果表明 。 展开更多
关键词 监督学习 高斯混合模型 分层高斯混合模型 EM算法
在线阅读 下载PDF
一种半监督机器学习的EM算法改进方法 被引量:3
20
作者 夏筱筠 张笑东 +3 位作者 王帅 罗金鸣 崔露露 赵智阳 《小型微型计算机系统》 CSCD 北大核心 2020年第2期230-235,共6页
EM(Expectation Maximization)算法是含有隐变量(latent variable)的概率参数模型最大似然估计、极大后验概率估计最有效的算法,但很容易进入局部最优现象,对此提出基于半监督机器学习机制的EM算法.本文方法是在最大似然函数中加入惩罚... EM(Expectation Maximization)算法是含有隐变量(latent variable)的概率参数模型最大似然估计、极大后验概率估计最有效的算法,但很容易进入局部最优现象,对此提出基于半监督机器学习机制的EM算法.本文方法是在最大似然函数中加入惩罚最小二乘因子,同时引入非负约束作为先验信息,结合半监督机器学习方法,将EM算法改进转化为最小化求解问题,再采用最大似然方法求解EM模型,有效估计了混合矩阵和高斯混合模型参数,实现EM算法的改进.仿真结果表明,该方法能够很好地解决了EM算法容易局部最优化问题. 展开更多
关键词 监督机器学习 EM算法 改进分析 局部最优
在线阅读 下载PDF
上一页 1 2 12 下一页 到第
使用帮助 返回顶部